本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

Neptune ML 阶段的实例选择

Neptune ML 处理的不同阶段使用不同的 SageMaker 实例。在这里，我们将讨论如何为每个阶段选择合适的实例类型。您可以在 Amazon SageMaker 定价中找到有关 SageMaker 实例类型和定价的信息。

选择进行数据处理的实例

SageMaker 数据处理步骤需要一个具有足够内存和磁盘存储空间的处理实例，用于存放输入、中间和输出数据。所需的具体内存和磁盘存储量取决于 Neptune ML 图形的特性及其导出的特征。

默认情况下，Neptune ML 会选择内存比磁盘上导出的图形数据大小大十倍的最小 ml.r5 实例。

为模型训练和模型转换选择实例

为模型训练或模型转换选择正确的实例类型取决于任务类型、图形大小和周转要求。GPU 实例可提供最佳性能。我们通常建议使用 p3 和 g4dn 串行实例。您也可以使用 p2 或 p4d 实例。

默认情况下，Neptune ML 选择其内存超过模型训练和模型转换所需内存的最小 GPU 实例。您可以在 Amazon S3 数据处理输出位置的 train_instance_recommendation.json 文件中找到该选择的内容。下面是 train_instance_recommendation.json 文件的内容示例：

{ 
  "instance":     "(the recommended instance type for model training and transform)",
  "cpu_instance": "(the recommended instance type for base processing instance)", 
  "disk_size":    "(the estimated disk space required)",
  "mem_size":     "(the estimated memory required)"
}

为推理端点选择实例

为推理端点选择正确的实例类型取决于任务类型、图形大小和预算。默认情况下，Neptune ML 选择推理端点所需内存较多的最小 ml.m5d 实例。

您可以在位于您用于模型训练的 Amazon S3 位置的 infer_instance_recommendation.json 文件中查看 Neptune ML 推荐的实例类型。下面是该文件内容的示例：

{ 
  "instance" :   "(the recommended instance type for an inference endpoint)",
  "disk_size" :  "(the estimated disk space required)",
  "mem_size" :   "(the estimated memory required)"
}